Exploració i caracterització de diferents estratègies d’IA aplicada a trampes IoT per la detecció i el comptatge de la mosca de l’olivera

Abstract

[spa] En los últimos años, los dispositivos IoT se han ido introduciendo en muchos de los ámbitos que nos rodean, facilitando así poder llevar a cabo acciones de manera remota y generando también una gran cantidad de datos muy útiles para poder actuar de manera personalizada en cada caso. La mejora de las capacidades de computación de estos dispositivos ha permitido el uso de técnicas de tratamiento de datos avanzadas, como el procesado de imágenes a través de metodologías de aprendizaje automatizado (machine learning) o aprendizaje profundo (deep learning). Es por ello que este trabajo busca llevar a cabo un estudio y caracterización de diferentes estrategias de inteligencia artificial comparando el consumo energético, los recursos necesarios, la posible reducción de estos y los tiempos de ejecución de los dispositivos IoT, focalizando la implementación práctica en la problemática de la detección prematura de la plaga de la mosca del olivo para una agricultura de precisión.

[eng] In recent times, IoT devices have been introduced in many areas of our day-to-day life, facilitating the ability to carry out remote actions and also generating a large amount of very useful data, offering as well specific solutions for each case. The improvement of the computing capabilities of these devices has permitted the use of advanced data processing techniques, such as image processing through machine learning or deep learning methodologies. That is why this work seeks to carry through a study and characterization of different artificial intelligence strategies by comparing their energy consumption, their needed resources, the possible reduction of these resources and the execution times of IoT devices. The aim is to focus on practical solutions on the problem of premature detection of the olive fly pest for precision agriculture.